我正在使用 OpenCV 示例代码“peopledetect.cpp”来检测行人。该代码使用 HoG 进行特征提取，使用 SVM 进行分类。请在此处找到使用的参考文件。
摄像机安装在墙上，高度为 10 英尺，向下 45 度。框架内的行人移动没有限制。我对真阳性率（正确检测行人）感到满意，但假阳性率非常高。
我观察到的一些错误检测是移动汽车、树木和墙壁等。谁能建议我如何改进现有代码以降低误检率。对博客/代码的任何引用都非常有帮助。
问问题
1339 次
1 回答
2
您可以在视频流上应用背景减法算法。我在使用BackgroundSubtractorMOG2的类似项目上取得了一些成功。
我使用的另一个技巧是消除所有太小或纵横比错误的“移动像素”。我通过对背景减除输出图像进行斑点/轮廓分析来做到这一点。您需要注意纵横比，以确保支持重叠的行人。
请注意，您正在使用的模型（不确定是哪个模型）可能是在正面行人上训练的，而不是向下 45 度角。这显然会影响您的准确性。
于 2013-06-28T15:24:36.743 回答